Recapitular XML... Gestão e Tratamento de Informação DEI IST

Recapitular XML ...

Gestão e Tratamento de Informação

DEI IST

Agenda

Introdução ao XML Modelo de dados semi-estruturado XML Schema XML Namespaces

Agenda


Revolução da Web

HTML é a linguagem da Web Mesmo se existe uma grande quantidade de

ficheiros .doc, .ps, .pdf, .jpg, .gif, som, vídeo Existem milhares de páginas

Públicas/privadas, estáticas/dinâmicas, vísiveis/escondidas

Suporte natural para a informação distribuída Destinada a seres humanos mas, cada vez mais,

também às aplicações

Aplicações sobre dados distribuídos sobre a Web HTML não está adaptado a aplicações do

tipo: B2C, B2B, bibliotecas on-line, ... Não chega aceder a um conjunto de páginas

HTML como nos motores de busca Estas aplicações necessitam de “tipos” para

representar a estrutura dos dados Que modelo de dados então adoptar?

Base de Dados?

Modelo BD relacional vs Modelo dados Web (1)

Modelo de dados relacional: Conhece-se a estrutura das tabelas e a

semântica das colunas; não sobre a Web Estrutura dos dados fixa vs irregular

Falta de dados Estrutura explícita vs implícita

Modelo BD relacional vs Modelo dados Web (2) Esquema de dados Web:

pode ser deduzido a posteriori pode ser complexo e grande pode ser ignorado pelas interrogações pode evoluir muito rapidamente. Alguns dados podem não ter estrutura

Texto, imagens Alguns dados podem não ser conforme a

estrutura

Junção de dois modelos resulta ....

Gestão de documentos

SGML

HTML

Documentação hipertexto

Gestão de dados

Bases de Dados estruturadas(relacional e OO)

Bases de dadossemi-estruturadas

XML – eXtensible Markup Language

Formato universal para os documentos e dados semi-estruturados na Web

Versão simplificada de SGML Esperanto da Web que vai substituir o HTML Família de standards: XLink, XPath, XSL,

XQuery, SOAP, DOM, .... Modelo de dados baseado em árvores e uma

linguagem de representação baseada em “tags” (etiquetas)

Exemplo

ficha

nome trab

ln Ender. email

cidade CPGalhardas

Porto Salvo2790-380

[email protected]

IST Ensinar bem…

missãotipo

ensino

fn

fn

tipo

2790-380

Helena

ElementosAtributos

Dados

<ficha><nome>

<fn>Helena</fn><ln>Galhardas</ln>

</nome><trab tipo=“ensino">

IST<ender><cidade>Porto Salvo</cidade><cp>92310</cp></ender><email>[email protected]</email>

</trab><missão>Ensinar bem</missão></ficha>

Acesso a dados XML Características das interrogações:

Bases de dados (estilo SQL/OQL) Navegação Palavras chaves (estilo motor de pesquisa Web) e “pattern

matching” (estilo comando “grep”) Interrogação de dados e estrutura ao mesmo tempo – a

estrutura não é totalmente conhecida previamente

Observações

XML fornece uma sintaxe, não fornece semântica apriori

As tags não têm significado definido pela linguagem, mas podem fazer sentido para as aplicações

XML define apenas a estrutura e conteúdo de um documento, não o seu comportamento nem o seu tratamento

Desenvolvida e promovida pelo W3C Indústria: Oracle, IBM, Microsoft, CompaQ, Xerox,... Laboratórios de investigação: MIT, INRIA, etc

Alguns standards importantes DOM (Document Object Model): interface de

programação que permite aceder à estrutura e conteúdo dos documentos

[DTD], XML Schema: tipos Os documentos devem ser bem formados, mas os tipos

não são obrigatórios XPath: linguagem de expressões de caminho para

aceder a partes do documento XLink (XML Linking Language): XSLT: linguagem de transformação XQuery: linguagem de interrogação (o SQL do XML)

Dialectos de XML

Para uma determinada aplicação, define-se uma sintaxe (um dialecto XML) e define-se a sua semântica.

XHTML: Reformulação de HTML como sendo uma aplicação XML sintaxe mais rigorosa, por ex., fecha-se o que se abriu Importação de fragmentos de documentos de outros

domínios Possibilidade de utilizar aplicações XML standard

MathML: Permite a troca e tratamento de expressões matemáticas

sobre a Web Facilita a inserção de expressões matemáticas em docs

HTML ou XML

Vantagens do XML

Transferência e partilha de informação Uma comunidade de utilizadores (ex: indústria da

biotecnologia) inventa livremente as tags que lhe parecem úteis para representar as informações que pretendem trocar ou partilhar

Exemplo: diferentes maneiras de representar uma data

<data> 5 Janeiro 2000 </data>

<data>

<a>2000</a><m>01</m><d>05</d>

</data>

<data formato='ISO-8601'> 2000-01-05 </data>

Interoperabilidade das ferramentas de tratamento Ferramentas para dados XML

Parsers, editores, browsers,... Consequências:

Um servidor de documentos XML consegue responder a um conjunto de necessidades de uma organização

Um único editor permite tratar o conjunto de dados de uma organização

Acesso a fontes de informação heterógeneas A interrogação e a troca de dados entre

sistemas de informação heterogéneos é muitas vezes complexa

XML pretende colmatar esse problema Formato de transferência de informação

normalizado independente da plataforma A indexação e interrogação de bases de

dados documentais grandes é baseada em informações estruturais e textuais.

Exemplos de documentos XML

<?xml version="1.0" standalone="yes" ?> <document>o <saudação> Bom dia! </saudação> </document>

<document> <saudação> Bom dia! </saudação> </document>

<document> </document>

<document/>

<document> Bom dia! </document>

XML 1.0: estrutura de um elemento Um elemento tem a forma: <nome atributo='valor'> conteúdo </nome> <nome> é a tag de abertura </nome> é a tag de fecho [ elementos vazios: <nome> </nome> ou <nome/> ] «conteúdo» é o conteúdo de um elemento!

Composto por uma lista (pode ser vazia) de texto, de outros elementos, de instruções de tratamento, de comentários

atr='valor' representa um atributo que é um par (nome, valor).

Um elemento só pode ter um atributo com um determinado nome.

Exemplos de elementos

<a></a><a>Olá, bom dia</a><a>……<a>…</a></a><a>…Olá…Bom dia</a>

Conteúdo de um elemento = floresta de elementos ou de texto

Text UNICODE: pode representar qualquer alfabeto

XML 1.0: Restrições sobre os nomes

O nome de um elemento ou atributo é uma cadeia não vazia de caracteres, escolhidos entre: Caracteres alfa-numéricos,

sublinhado (undescore), sinal menos, o ponto, caracter dois pontos (:)

Que deve satisfazer as seguintes condições: O primeiro caracter deve ser

alfabético ou sublinhado Os três primeiros caracteres

não devem formar uma cadeia cuja representação em minúsculas é "xml".

Exemplos de nomes de elementos

correctos incorrectos

_nomeNome_sociedadexsl:ruleX.11

1998-catalogoXmlSpecnome sociedade

XML 1.0: Sintaxe dos atributos

Um atributo é um par nome='valor' que caracteriza um elemento

Um elemento pode ter vários atributos (separados por espaço):

<relatório língua=‘pt' ult-modif='08/07/99'> a ordem não tem importância

O valor de um atributo é uma cadeia delimitada por aspas (") ou ('). Não deve conter os caracteres ^, % e &.

Referências XML

XML permite associar identificadores únicos a elementos, como sendo o valor de um determinado atributo.

<state id = “s2”><scode> NE </scode><sname> Nevada </sname>

</state>

<city id = “c2”><ccode> CCN </ccode><cname> Carson City </cname><state-of idref =“s2”/>

</city>

Referências

Serge Abiteboul, Slides of the course: “Données Semistructurées”, Master Recherche Informatique Paris Sud, http://www-rocq.inria.fr/~abitebou/Master-SSD/index.html

Erik Wilde, Slides of the course: “XML Foundations”, UC Berkeley, http://dret.net/lectures/xml-fall07/

XML 1.0 Press Release, http://www.w3.org/Press/1998/XML10-REC

XML 1.0 Spec, http://www.w3.org/TR/REC-xml/ S. Abiteboul, P. Buneman, D. Suciu, “Data on the

Web, From Relations to Semistructured Data and XML”, Morgan Kaufmann, 2000.

Agenda


Tipificação em XML

Não é imposta Mas:

Melhora o armazenamento Facilita a navegação nos dados Facilita a interrogação Facilita a descrição e explicação dos dados Ajuda à optimização Permite a interoperabilidade entre programas Permite proteger os dados

XML DTD (Document Type Definition) Define uma classe de documentos Um documento XML pode ter uma DTD Terminologia para XML:

Bem formado: se as tags estão correctamente fechadas

Válido: se tem uma DTD e é conforme essa DTD Validação é útil em transferência de dados

Define: Nomes de elementos Estrutura do conteúdo dos elementos Nomes dos atributos Valores dos atributos por omissão Entidades

Exemplo: Uma DTD muito simples

<!DOCTYPE company [ <!ELEMENT company ((person|product)*)> <!ELEMENT person (ssn, name, office, phone?)> <!ELEMENT ssn (#PCDATA)> <!ELEMENT name (#PCDATA)> <!ELEMENT office (#PCDATA)> <!ELEMENT phone (#PCDATA)> <!ELEMENT product (pid, name, description?)> <!ELEMENT pid (#PCDATA)> <!ELEMENT description (#PCDATA)>]>

<!DOCTYPE company [ <!ELEMENT company ((person|product)*)> <!ELEMENT person (ssn, name, office, phone?)> <!ELEMENT ssn (#PCDATA)> <!ELEMENT name (#PCDATA)> <!ELEMENT office (#PCDATA)> <!ELEMENT phone (#PCDATA)> <!ELEMENT product (pid, name, description?)> <!ELEMENT pid (#PCDATA)> <!ELEMENT description (#PCDATA)>]>

Desvantagens das DTDs

Sintaxe não XML Não tem tipos de dados, em particular para o

conteúdo dos elementos Só é marginalmente compatível com

namespaces Não consegue usar conteúdo misto e obrigar

ordem e número de elementos filhos Nomes dos elementos são globais

XML Schema Generaliza DTDs Utiliza a sintaxe XML Descreve o conteúdo possível para

documentos XML É uma W3C Recommendation

XML Schema Part 0: Primer XML Schema Part 1: Structures XML Schema Part 2: Datatypes

Também referida como XSDL: XML Schema Definition Language, ou XSD: XML Schema Document

DTD vs XML Schema

DTD XML Schema<!ELEMENT> declaration xsd:element element

<!ATTLIST> declaration xsd:attribute element

<!ENTITY> declaration n/a

#PCDATA content xsd:string type

n/a other data types

Tipos de dados simples e complexos

XML Schema suporta a definição de tipos de dados e a declaração de elementos e de atributos

Tipos: simples (inteiros, strings, ...) complexos (expressões regulares, como nas DTDs)

Alternância element-type-element: elemento raiz tem um tipo complexo que é uma expressão regular de elementos esses elementos têm os seus tipos complexos

... nas folhas, temos tipos simples

Estrutura da declaração de elementos xsd:sequence

Obriga a que os elementos ocorrem na ordem dada análogo a , em DTDs

xsd:choice Permite que um dos elementos dados ocorra Análogo a | em DTDs

xsd:all Permite que os elementos ocorram numa ordem

qualquer

Definição do número de ocorrências dos elementos Os atributos minOccurs e maxOccurs

controlam o número de ocorrências de um elemento, sequence ou choice

minOccurs tem que ser um inteiro não negativo

maxOccurs tem que ser um inteiro não negativo ou sem limite

O valor por omissão para ambos é 1

Expressões regulares - resumoAlternância element-type-element: <xsd:complexType name=“....”>

[construção de elementos] </xsd:complexType>

Construção de Elementos: <xsd:sequence> A B C </...> <xsd:choice> A B C </...> <xsd:all> A B C </...> <xsd:... minOccurs=“0” maxOccurs=“unbounded”> ..</...> <xsd:... minOccurs=“0” maxOccurs=“1”> ..</...>

Exemplo<xsd:element name=“paper” type=“papertype”/>

<xsd:complexType name=“papertype”>

<xsd:sequence>

<xsd:element name=“title” type=“xsd:string”/>

<xsd:element name=“author” minOccurs=“0”/>

<xsd:element name=“year”/>

<xsd: choice> < xsd:element name=“journal”/>

<xsd:element name=“conference”/>

</xsd:choice>

</xsd:sequence>

</xsd:element>

<xsd:element name=“paper” type=“papertype”/>


<xsd:sequence>


<xsd:element name=“author” minOccurs=“0”/>

<xsd:element name=“year”/>

<xsd: choice> < xsd:element name=“journal”/>

<xsd:element name=“conference”/>

</xsd:choice>

</xsd:sequence>

</xsd:element>

DTD: <!ELEMENT paper (title,author?,year, (journal|conference))>

Elementos versus Tipos

<xsd:element name=“person”> <xsd:complexType> <xsd:sequence> <xsd:element name=“name” type=“xsd:string”/> <xsd:element name=“address” type=“xsd:string”/> </xsd:sequence> </xsd:complexType></xsd:element>

<xsd:element name=“person”> <xsd:complexType> <xsd:sequence> <xsd:element name=“name” type=“xsd:string”/> <xsd:element name=“address” type=“xsd:string”/> </xsd:sequence> </xsd:complexType></xsd:element>

<xsd:element name=“person” type=“ttt”><xsd:complexType name=“ttt”> <xsd:sequence> <xsd:element name=“name” type=“xsd:string”/> <xsd:element name=“address” type=“xsd:string”/> </xsd:sequence></xsd:complexType>

<xsd:element name=“person” type=“ttt”><xsd:complexType name=“ttt”> <xsd:sequence> <xsd:element name=“name” type=“xsd:string”/> <xsd:element name=“address” type=“xsd:string”/> </xsd:sequence></xsd:complexType>

DTD: <!ELEMENT person (name,address)>

Tipos locais e globais

Tipo local: <xsd:element name=“person”>

[define localmente o tipo da pessoa] </xsd:element>

Tipo global: <xsd:element name=“person” type=“ttt”/>

<xsd:complexType name=“ttt”> [define aqui o tipo ttt] </xsd:complexType>

Tipos globais podem ser reutilizados noutros elementos

Elementos locais versus elementos globais Elemento local: <xsd:complexType name=“ttt”>

<xsd:sequence> <xsd:element name=“address” type=“...”/>... </xsd:sequence> </xsd:complexType>

Elemento global: <xsd:element name=“address” type=“...”/>

<xsd:complexType name=“ttt”> <xsd:sequence> <xsd:element ref=“address”/> ... </xsd:sequence> </xsd:complexType>

Elementos globais como nas DTDs

Atributos Utilizar o elemento xsd:attribute dentro de um

xsd:complexType Tem atributos name, type Atributo use é opcional

Se omitido, então atributo é opcional Use = “required” para atributos obrigatórios Use = “fixed” para constantes Use = “default” value =“ ...” para valor por omissão

Para enumeração, usar xsd:SimpleType Atributos têm que ser declarados no fim de um

xsd:complexType

Exemplo



<xsd:sequence>


. . . . . .

</xsd:sequence>

<xsd:attribute name=“language" type="xsd:string" fixed=“English"/>

</xsd:complexType>

</xsd:element>



<xsd:sequence>


. . . . . .

</xsd:sequence>

<xsd:attribute name=“language" type="xsd:string" fixed=“English"/>

</xsd:complexType>

</xsd:element>

.

Conteúdo “Mixed”, Tipo “Any”

Melhor do que nas DTDs: pode assegurar o tipo, mas pode existir texto entre quaisquer elementos

Significa que qualquer coisa é permitida

<xsd:complexType mixed="true"> . . . .

<xsd:complexType mixed="true"> . . . .

<xsd:element name="anything" type="xsd:anyType"/> . . . .

<xsd:element name="anything" type="xsd:anyType"/> . . . .

Tipos de dados simples

String Token Byte unsignedByte Integer positiveInteger Int (larger than integer) unsignedInt Long Short ...

Time dateTime Duration Date ID IDREF IDREFS

Tipos de dados simples derivados (pelo utilizador) Tipos de dados complexos podem ser criados de

raiz Novos tipos de dados simples podem ser derivados

a partir de outros tipos de dados simples já existentes

Derivação pode ser: Extensão:

Lista: uma lista de valores de um determinado tipo União: permite valores de dois ou mais tipos de dados

Restrição: limita os valores permitidos usando: Valor máximo, valor mínimo, tamanho, número de dígitos,

enumeração, padrões (facetas)

Referências Peter Wood, Slides on “Representing and Querying Data on the

Web”, http://www.dcs.bbk.ac.uk/~ptw/teaching/data-on-the-web.html.

Dan Suciu, Slides on “The semistructured data model”, CSE 590ds: Management of XML and Semistructured Data, http://www.cs.washington.edu/education/courses/cse590ds/01sp/

S. Abiteboul, P. Buneman, D. Suciu, “Data on the Web, From Relations to Semistructured Data and XML”, Morgan Kaufmann, 2000, (cap 3)

www.w3.org/TR/xmlschema-0 W3C's XML Schema Recommendation, Part 0: Primer

www.w3.org/TR/xmlschema-1 W3C's XML Schema Recommendation, Part 1: Structures

www.w3.org/TR/xmlschema-2 W3C's XML Schema Recommendation, Part 2: Datatypes

Agenda


Tópicos próxima aula

XPath XSLT

Documents

Recapitular XML... Gestão e Tratamento de Informação DEI IST